java如何处理未知的实体引用？

Question

我正在解析（很多）包含实体引用的XML文件，这些实体引用我事先不知道（不能改变这个事实）

例如：

xml = "<tag>I'm content with &funny; &entity; &references;.</tag>"

当我尝试使用以下代码解析此代码时：

final DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
final DocumentBuilder db = dbf.newDocumentBuilder();
final InputSource is = new InputSource(new StringReader(xml));
final Document d = db.parse(is);

我得到以下例外情况：

org.xml.sax.SAXParseException: The entity "funny" was referenced, but not declared.

但是，我想要实现的是，解析器用空字符串“”替换每个未声明（解析器未知）的实体。 或者更好，是否有一种方法可以将映射传递给解析器，如：

Map<String,String> entityMapping = ...
entityMapping.put("funny","very");
entityMapping.put("entity","important");
entityMapping.put("references","stuff");

这样我就可以做到以下几点：

final DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
final DocumentBuilder db = dbf.newDocumentBuilder();
final InputSource is = new InputSource(new StringReader(xml));

db.setEntityResolver(entityMapping);
final Document d = db.parse(is);

如果我使用此示例代码从文档中获取文本，我将收到：

I'm content with very important stuff.

有什么建议吗？当然，我已经很乐意用空字符串替换未知实体

谢谢

Answer 1

StAX API支持这一点。看看XMLInputFactory，它有一个runtime property，它决定内部实体是被扩展，还是留在原地。如果设置为false，则StAX事件流将包含EntityReference的实例，以表示未展开的实体

如果您仍然想要一个DOM作为最终结果，可以像这样将其链接在一起：

XMLInputFactory inputFactory = XMLInputFactory.newInstance();
inputFactory.setProperty(XMLInputFactory.IS_REPLACING_ENTITY_REFERENCES, false);
Transformer transformer = TransformerFactory.newInstance().newTransformer();

String xml = "my xml";
StringReader xmlReader = new StringReader(xml);
XMLEventReader eventReader = inputFactory.createXMLEventReader(xmlReader);
StAXSource source = new StAXSource(eventReader);
DOMResult result = new DOMResult();

transformer.transform(source, result);

Node document = result.getNode();

在这种情况下，生成的DOM将包含org.w3c.dom.EntityReference的节点与文本节点混合。然后，您可以根据自己的需要处理这些问题

Answer 2

可以在文件的开头添加实体。查看更多信息

您还可以看看this thread，其中似乎有人实现了EntityResolver接口（您也可以实现EntityResolver！）您可以在其中动态处理实体（例如，使用建议的地图）

WARNING: there is a bug!在jdk6中，但您可以在jdk5中尝试

Answer 3

既然XML输入似乎可以作为字符串使用，那么就不能用正则表达式替换进行简单的预处理吗

xml = "...";

/* replace entities before parsing */
for (Map.Entry<String,String> entry : entityMapping.entrySet()) {
   xml = xml.replaceAll("&" + entry.getKey() + ";", entry.getValue());
}

DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
...

这是一个非常复杂的过程，您可能需要花费一些额外的精力来确保regexp只匹配它们真正应该匹配的地方（想想^{），但至少它是

当然，有比多次调用replaceAll()更有效的方法来实现相同的效果